ترجمه خُرخُر خوک با استفاده از هوش مصنوعی!

به گزارش ایسنا،  محققان یک هوش مصنوعی را توسط ۷۴۱۴ صدا که در مراحل مختلف زندگی ۴۱۱ خوک از جمله ذبح، جمع‌آوری شده بود، آموزش دادند.

این الگوریتم را می‌توان به طور بالقوه برای ساخت برنامه‌ای برای کسانی که از خوک‌ها نگهداری می‌کنند استفاده کرد تا دریابند که صدای خوک‌ها به چه معناست.

کارشناسان می‌گویند که با داده‌های کافی برای آموزش الگوریتم می‌توان از این روش برای درک بهتر احساسات سایر پستانداران نیز استفاده کرد.

این تحقیقات به رهبری دانشگاه کوپنهاگن، مؤسسه فناوری فدرال زوریخ(ETH Zurich) و موسسه تحقیقات ملی فرانسه برای کشاورزی، غذا و محیط زیست(INRAE) صورت گرفت.

دکتر "الودی بریفر"(Elodie Briefer) از دانشگاه کوپنهاگن می‌گوید: ما این الگوریتم را آموزش دادیم تا خُرخُر خوک‌ها را رمزگشایی کند.

اکنون به کسی نیاز داریم که این الگوریتم را به یک اپلیکیشن تبدیل کند که مزرعه‌داران بتوانند از آن برای بهبود سلامت حیوانات استفاده کنند.

محققان می‌گویند که الگوریتم می‌تواند نشان‌ دهد که آیا یک خوک در حال تجربه کردن احساسات مثبت مثل شادی یا هیجان، احساسات منفی مثل ترس یا اضطراب یا حسی میان آن‌ها است.

صدای این خوک‌ها در سناریوهای مختلف تجربی و تجاری جمع‌آوری شد. موقعیت‌های مثبت شامل شیر خوردن و جمع‌ شدن دوباره اعضای یک خانواده پس از جدایی بود و موقعیت‌های منفی شامل انزوای اجتماعی، دعوا و انتظار در کشتارگاه بود.

در طول این آزمایش رفتار و ضربان قلب خوک‌ها کنترل و در صورت امکان ثبت شد. سپس محققان صداهای ضبط شده را بررسی کردند تا موقعیت‌ها و احساسات مثبت و منفی را از یکدیگر تشخیص دهند.

همانطور که در تحقیقات قبلی نشان داده شده است صداهای با فرکانس بالاتر مثل جیغ زدن در زمان بروز عواطف منفی بیشتر رخ می‌دهد. این در حالی است که صداهای با فرکانس پایین در هر دو موقعیت مثبت و منفی رخ می‌داد.

با تجزیه و تحلیل دقیق‌تر فایل‌های صوتی، محققان به الگوی جدیدی دست یافتند که آن چه خوک‌ها در شرایط مختلف تجربه کرده بودند را با جزئیات بیشتری نشان می‌داد.

دکتر بریفر می‌گوید: ما این الگوریتم را آموزش دادیم و می‌توانیم ۹۲ درصد صداها را با احساسات صحیح تطبیق دهیم.

اگرچه به طور گسترده پذیرفته شده است که سلامت روان دام اهمیت زیادی برای رفاه کلی آن دارد اما امروزه بیشتر به سلامت جسمانی آن توجه می‌شود.

محققان امیدوارند الگوریتم‌ آن‌ها بتواند راه را برای ایجاد بستر جدیدی برای نظارت بر سلامت روان حیوانات توسط کشاورزان هموار کند.

این یافته‌ها در مجله‌ی "ساینتیفیک ریپورتس"(Scientific Reports) منتشر شده است.